基于 MRNet 数据集的现有与新深度学习膝关节损伤检测方法比较研究
图像与视频处理
2020-10-06 v1 计算机视觉与模式识别
机器学习
摘要
本工作利用斯坦福的 MRNet 数据集，对用于检测膝关节损伤的现有与新方法进行比较研究。所有方法均基于深度学习，我们探讨了迁移学习与从头训练的深度残差网络的性能比较。我们还利用磁共振成像（MRI）数据的某些特性，例如使用来自轴位、冠状位和矢状位各平面的固定数量切片或 2D 图像，并将三个平面组合为一个多平面网络。总体而言，通过使用较新的深度学习架构和数据增强策略，我们在验证数据上取得了 93.4% AUC 的性能。我们还提出了更灵活的架构，可能有助于处理和训练 MRI 的模型开发与训练。我们发现迁移学习和精心调整的数据增强策略是决定最佳性能的关键因素。
引用
@article{arxiv.2010.01947,
title = {A Comparative Study of Existing and New Deep Learning Methods for Detecting Knee Injuries using the MRNet Dataset},
author = {David Azcona and Kevin McGuinness and Alan F. Smeaton},
journal= {arXiv preprint arXiv:2010.01947},
year = {2020}
}